Дообученная на голосе Iasmin модель MOSS-TTS-Nano для синтеза речи на бразильском португальском без аудиообразца в режиме continuation.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Описание составлено по карточке модели и метаданным Hugging Face
moss-nano-ptbr-iasmin — дообученная модель MOSS-TTS-Nano на 100 млн параметров, созданная на основе OpenMOSS-Team/MOSS-TTS-Nano и настроенная на синтез речи голосом Iasmin на бразильском варианте португальского языка. Модель предназначена для преобразования текста в речь; режим continuation позволяет генерировать речь этим голосом без аудиообразца для голосового клонирования.
При дообучении использовано 25 871 аудиоклип: 11 922 записи голоса Iasmin и 13 949 клипов с клонированным голосом Qwen3-TTS-1.7B; обучение проводилось в течение трёх эпох. Для отложенной выборки указана WER 0,049 по оценке Whisper-large-v3. Модель работает на CPU, использует архитектуру MOSS-TTS-Nano и распространяется под лицензией Apache-2.0.
Обучение и метрика описаны для голоса Iasmin и бразильского португальского; качество для других голосов и языков не подтверждено. WER 0,049 измерена на отложенной выборке с Whisper-large-v3 и сама по себе не описывает все аспекты качества звучания.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
MOSS-TTS-Nano (100M, CPU) fine-tunado na voz Iasmin PT-BR. 25.871 clips (11.922 Iasmin real + 13.949 Qwen3-TTS-1.7B voice-clone), 3 epocas. WER heldout 0.049 (Whisper-large-v3). Modo continuation = voz Iasmin nativa sem audio de referencia.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Модели нужен код из репозитория; автор пока не в списке доверенных организаций.